ET_INT

Consolidamento di un algoritmo per la modellazione dell’evapotraspirazione in aree montuose

  • Deutsch
  • English
  • Italiano

Lo scopo di questo progetto interno dell’Istituto per l’Osservazione della Terra, nel quale sono coinvolte persone di tre gruppi (EOEM, ACEO, CDR), è di consolidare un algoritmo per la stima dell’Evapotraspirazione (ET) adatto alle zone montuose. ET è una componente chiave del ciclo dell’acqua e dell’energia sulla superficie terrestre. Le stazioni di misura di ET sono poche, e non consentono di caratterizzare la variabilità spaziale dei flussi di acqua ed energia. Di conseguenza ET viene modellata con diversi metodi, dalla scala paesaggistica alla scala globale. Un possibile approccio è il modello di bilancio energetico a due sorgenti (TSEB), nel quale la superficie dove avvengono gli scambi di acqua ed energia è considerata come composta da un misto di suolo e vegetazione. Il calore latente è suddiviso in evaporazione dal suolo e traspirazione dalle piante, ed il calore sensibile è diviso in una componente del suolo ed una della vegetazione. Ciascuno di questi processi è descritto da equazioni che possono essere risolte iterativamente nelle incognite: temperatura del suolo e temperatura delle piante. Queste ultime sono legate alle osservazioni satellitari di temperatura della superficie (LST) in base alla frazione di copertura vegetale. Nel progetto ESA “sen-et”, “sentinels for evapotranspiration”, è stato sviluppato un codice open-source del modello TSEB. Tuttavia, è necessario individuare e correggere gli errori presenti nel codice per poterlo utilizzare senza problemi. Inoltre, i metodi implementati per aumentare la risoluzione spaziale della LST (attualmente disponibile ad 1 km), non sono sufficienti per le aree montuose, caratterizzate da una forte disomogeneità della copertura del suolo e della topografia. In questo progetto correggeremo gli errori presenti nel codice, lo testeremo in aree studio montuose, e implementeremo dei nuovi modelli per migliorare la risoluzione e la copertura spaziale della LST utilizzando tecniche di “machine learning”.

Persona di riferimento: Mariapina Castelli,  mariapina.castelli@eurac.edu